Disusun Oleh:
Dosen Pengempu:
Analisis regresi linear sederhana adalah sebuah cara untuk menemukan satu model prediksi
fungsi linear dari kumpulan data. Regresi linear sederhana digunakan untuk menentukan
hubungan antara dua variable dalam sebuah data, yaitu variable terkait dan variable bebas,
variable terkait biasanya dilambangkan dengan X, dan variaber bebas/ lepas biasanya
dilambangkan dengan Y. Hasil dari regresi linear ada dua yaitu berhubungan dan tidak
berhubungan. yang dapat dilihat dari sebaran titik data, jika titik data mengikuti satu garis atau
terlihat mengalami kenaikan atau penurunan maka kedua variable dari data tersebut
berhubungan, jika sebaran titik data tersebut acak, maka kedua variable data tidak
berhubungan.jika variable berhubungan maka data dapat diolah untuk mendapat estimasi
parameter model, dan diakiri dengan uji statistik untuk menarik kesimpulan.
Ada beberapa syarat kelayakan yang harus dipenuhi sebelum analisis regresi linear sederhana:
Data dinyatakan layak apabila telah memenuhi syarat syarat diatas dengan mengikuti uji yaitu uji
noralitaas, uji linearitas, uji heteroskedastisitas, uji autokorelasi.
Persamaan umum regresi linear sederhana adalah Y=β0+ β1X. Y adalah variable terikat dan X
variable bebas, β0 dan β1 adalah koefisien regresi.
Nilai yang dicari atau diprediksi adalah variable terikat Y, sedangkan penaikan atau penurunan
dipengaruhi oleh koefisien regresi.
C. Korelasi dan koefisien Determinasi
Korelasi mengukur kuat nya hubungan antara dua variable yang nilai nya ada pada rentang -1
sampai 1. Jika korelasi semakin dekat dengan 1 maka hubunganya positif dan jika semakin
mendekati -1 hubunganya negative. Hubungan positif berarti setiap kenaikan variable bebas
maka variable terkaitnya ikut mengalami keaikan, dan hubungan negative berarti setiap kenaikan
variable bebas variable terikat mengalami penurunan.
Rumus korelasi :
Koefisien determinasi adalah hasil kuadrat dari korelasi, yang menunjukan besarnya pengaruh
variable bebas terhadap variable terikat, missal jika R2 =0,600 maka pengaruh variable bebas
terhadap variable terikat adalah 60%.
D. Contoh Kasus di Dunia Pertambangan
PT.anjora adalah perusahaan batu bara, perusahaan melakukan perhitungan produksi batu bara
pada tahun 2022, ada beberapa parameter yang dapat memengaruhi produksi batu bara pt.anjora
di tahun 2022 yaitu curah hujan di 2022, yang datanya disajikan pada table berikut:
120,000
100,000
80,000
Y-Values
60,000
40,000
20,000
-
0 5 10 15 20 25 30 35 40 45
Y=β0+ β1X
∑Y = 2.733.648
(∑Y)2 =7472831387904
∑X= 13,5 + 5,0 + 19,5 + 31,5 +4,0 + 18,5 + 22,0 + 4,0 + 10,5 + 0 + 1,0 + 0 + 0 + 9,0
+ 5,0 + 20,5 + 10,0 + 6,5 + 3,0 + 24,0 + 41,5 +0 +0 +0 + 6,2 + 0 + 0 + 28,5 + 6,9 +
0,1 + 2,3 = 292,9
∑X= 292,9
(∑X)2 = 85790,41
∑XY= 21220367,87
∑X2 =13,52+52+19,52+31,52+42+18,52+222+42+10,52+02+12+02+02+92+52+20,52+102+6,52+32+242
+41,52+02+02+02+6,172+02+02+28,50252+6,87252+0,052+2,342
∑X2 = 6428,170763
𝟐.𝟕𝟑𝟑.𝟔𝟒𝟖∗ 𝟔𝟒𝟐𝟖,𝟏𝟕𝟎𝟕𝟔𝟑 − 𝟐𝟗𝟐,𝟗∗𝟐𝟏𝟐𝟐𝟎𝟑𝟔𝟕,𝟖𝟕
β0 =
𝟑𝟏∗𝟔𝟒𝟐𝟖,𝟏𝟕𝟎𝟕𝟔𝟑− 𝟖𝟓𝟕𝟗𝟎,𝟒𝟏
𝟏𝟕𝟓𝟕𝟐𝟑𝟓𝟔𝟏𝟓𝟎−𝟔𝟐𝟏𝟓𝟒𝟒𝟓𝟕𝟒𝟗
β0 =
𝟏𝟗𝟗𝟐𝟕𝟑,𝟐𝟗𝟑𝟕− 𝟖𝟓𝟕𝟗𝟎,𝟒𝟏
𝟏𝟏𝟑𝟓𝟔𝟗𝟏𝟎𝟒𝟎𝟏
β0 =
𝟏𝟏𝟑𝟒𝟖𝟐,𝟖𝟖𝟑𝟕
β0 = 100075,9765
𝟔𝟓𝟕𝟖𝟑𝟏𝟒𝟎𝟒 − 𝟖𝟎𝟎𝟔𝟖𝟓𝟒𝟗𝟗,𝟐
β1 =
𝟏𝟏𝟑𝟒𝟖𝟐,𝟖𝟖𝟑𝟕
−𝟏𝟒𝟐𝟖𝟓𝟒𝟎𝟗𝟓,𝟐
β1 =
𝟏𝟏𝟑𝟒𝟖𝟐,𝟖𝟖𝟑𝟕
β1 = -1258,8162252451
Y = β0 + β1X
Y = 100075,9765 - 1258,8162252451 X
𝟔𝟓𝟒𝟐𝟏𝟒𝟎𝟑,𝟗𝟕 −𝟖𝟎𝟎𝟔𝟖𝟓𝟒𝟗𝟗,𝟐
r=
√[𝟏𝟗𝟗𝟐𝟕𝟑,𝟐𝟗𝟑𝟕− 𝟖𝟓𝟕𝟗𝟎,𝟒𝟏][𝟖𝟎𝟎𝟗𝟏𝟗𝟗𝟖𝟔𝟖𝟒𝟒𝟗−𝟕𝟒𝟕𝟐𝟖𝟑𝟏𝟑𝟖𝟕𝟗𝟎𝟒
𝟔𝟓𝟒𝟐𝟏𝟒𝟎𝟑,𝟗𝟕 −𝟖𝟎𝟎𝟔𝟖𝟓𝟒𝟗𝟗,𝟐
r=
√[𝟏𝟏𝟑𝟒𝟖𝟐,𝟖𝟖𝟑𝟕][𝟓𝟑𝟔𝟑𝟔𝟖𝟒𝟖𝟎𝟓𝟒𝟓]
−𝟕𝟑𝟓𝟐𝟔𝟒𝟎𝟗𝟓,𝟐
r=
√𝟔𝟎𝟖𝟔𝟖𝟔𝟒𝟏𝟖𝟗𝟖𝟎𝟑𝟒𝟎𝟎𝟎
−𝟕𝟑𝟓𝟐𝟔𝟒𝟎𝟗𝟓,𝟐
r=
𝟐𝟒𝟔𝟕𝟏𝟓𝟕𝟏𝟏
r = -0,998020784
Dari persamaan korelasi diatas didapat -0,998020784 yang artinya berarti kedua variable
memiliki hubungan negative satu sama lain.
R2 = 0,996045485
Jadi pengaruh variable bebas terhadap variable terikat adalah 99% , maka hubungan
antara dua variable kuat atau sngat baik.